随着物联网与人工智能的深入发展，传统气体传感系统受限于“传感—存储—计算”物理分离的冯·诺依曼架构，在能效与实时响应方面面临严峻挑战。与此同时，生物嗅觉系统以极低功耗实现气味感知与识别，为新型智能传感技术提供了重要借鉴。然而，现有神经形态嗅觉器件多仅能实现单一神经网络功能，难以同时应对气体浓度识别与气流状态分析等多样化任务。如何在一个器件中实现多模式可重构计算，成为该领域亟需突破的关键问题。

近日，山东大学集成电路学院王天宇、孟佳琳教授等人联合桂林电子科技大学，提出一种基于MXene@SnS2@PANI异质结的可重构神经形态忆阻器，并成功构建了支持嗅觉“感存算一体”的智能硬件系统。该研究以“Reconfigurable In-sensor Computing Memristor for Olfactory SNN and Reservoir Hybrid Neuromorphic Computing”为题，发表于国际权威期刊 《Research》。山东大学集成电路学院博士研究生陆林为论文第一作者，山东大学集成电路学院王天宇研究员、孟佳琳教授与桂林电子科技大学邹勇进教授为论文共同通讯作者。

图1 基于MXene@SnS2@PANI的可重构神经形态嗅觉系统示意图

图 2 器件的气敏突触行为表征

图 3 MXene@SnS2@PANI神经元特性曲线

图 4 基于RC时空编码特性识别应用

图 5 基于MXene@SnS2@PANI的可重构神经形态嗅觉系统应用场景

山东大学研究团队通过能带工程设计，制备出MXene@SnS₂@PANI异质结忆阻器件。该器件在气体刺激下表现出突触可塑性，适用于储备池计算（RC）进行气体浓度识别；在电脉冲刺激下则呈现神经元整合发放特性，可用于构建脉冲神经网络（SNN）实现气体流量识别。这种“一器双模”的可重构设计，使同一器件既能感知气体，又能进行类脑计算，真正实现“感存算一体”，有效解决了现有神经形态嗅觉系统功能单一、电路复杂度高的问题。研究团队进一步构建了完整的智能嗅觉硬件系统，集成传感、处理、通信与控制模块。该系统可实时监测环境中NH₃浓度与气流状态，通过蓝牙将数据传输至手机端，并在检测到危险气体时自动触发报警与通风设备。实验结果显示，SNN对气体流量的识别准确率达93.98%，RC对NH₃浓度的识别准确率达91.56%，展现出优异的智能感知与决策能力。该研究首次在单一器件中实现了基于气体与电信号双重激励的可重构感存算一体功能，为构建低功耗、高集成的神经形态智能传感系统提供了全新的器件与架构基础。未来在环境监测、工业安全、智能家居等领域具有广阔应用前景。

论文信息

Reconfigurable In-sensor Computing Memristor for Olfactory SNN and Reservoir Hybrid Neuromorphic Computing

Lin Lu, Jinhao Zhang, Qingxin Chen, Jialin Meng, Yongjin Zou, Yilin Wang, and Tianyu Wang

DOI: 10.34133/research.107

原文链接：https://doi.org/10.34133/research.1071